保险定价方法及装置与流程

1.本说明书中实施方式关于保险定价技术领域，具体涉及一种保险定价方法及装置。


背景技术：

2.目前，大家对身体健康以及对健康保障问题备受关注，保险作为一种抵抗未来可能出现风险的产品，也被越来越多的人关注和重视。
3.但是，目前的保险大多数采用线下销售的方式，而对于线上销售的保险，每个险种的定价方式也比较单一，用户体验较差。


技术实现要素：

4.本说明书中多个实施方式提供一种保险定价方法及装置，能够为每个用户定制不同的保费定价策略，提高用户体验。
5.本说明书的一个实施方式提供一种保险定价方法，包括：获取与健康保险产品相关联的用户信息；根据用户信息，利用概率预测模型生成健康保险产品的出险概率；根据出险概率，生成健康保险产品的定价信息。
6.在本说明书一实施方式中，上述根据出险概率，生成健康保险产品的定价信息，包括：根据出险概率，生成健康保险产品对应的最高出险金额和最低出险金额；根据最高出险金额和最低出险金额，生成健康保险产品的定价信息。
7.在本说明书一实施方式中，用户信息包括投保年数，其中，上述根据用户信息，利用概率预测模型生成健康保险产品的出险概率，包括：根据用户信息，利用概率预测模型生成健康保险产品在投保年数内的出险概率；其中，上述根据出险概率，生成健康保险产品的定价信息，包括：根据出险概率，生成投保年数对应的健康保险产品的定价信息。
8.在本说明书一实施方式中，上述根据用户信息，利用概率预测模型生成健康保险产品的出险概率，包括：根据用户信息，利用概率预测模型分别生成健康保险产品在不同投保年数内的出险概率；其中，上述根据出险概率，生成健康保险产品的定价信息，包括：根据健康保险产品在不同投保年数内的出险概率，分别生成不同投保年数对应的健康保险产品的定价信息。
9.在本说明书一实施方式中，用户信息包括：用户基本信息、用户行为数据和/或购买健康保险产品后的用户信息，其中，用户基本信息包括以下数据中的至少一种：用户的性别、年龄、所在地、有无医保信息、家族遗传病史、工作性质和生活习惯；用户行为数据包括以下数据中的至少一种：用户的挂号信息、问诊信息、疫苗接种信息、购药信息和体检报告信息；购买健康保险产品后的用户信息包括以下数据中的至少一种：用户购买健康保险产品后的出险和理赔信息，购买健康保险产品后的挂号信息、问诊信息、疫苗接种信息、购药信息以及体检报告信息。
10.在本说明书一实施方式中，概率预测模型包括：贝叶斯模型、最大熵模型、高斯混
合模型或概率预测神经网络模型。
11.在本说明书一实施方式中，上述方法还包括：根据用户信息和基于定价信息得到的实际定价结果对概率预测模型的参数进行更新。
12.在本说明书一实施方式中，上述获取与健康保险产品相关联的用户信息，包括：通过弹出用户信息调查问卷界面，获取用户信息。
13.本说明书的一个实施方式提供一种保险定价装置，包括：获取模块，用于获取与健康保险产品相关联的用户信息；概率模块，用于根据用户信息，利用概率预测模型生成健康保险产品的出险概率；定价模块，用于根据出险概率，生成健康保险产品的定价信息。
14.本说明书的一个实施方式提供一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现如上述保险定价方法。
15.本说明书的一个实施方式提供一种电子设备，其特征在于，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述保险定价方法。
16.本说明书的一个实施方式提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述保险定价方法。
17.本说明书提供的多个实施方式，通过获取与健康保险产品相关联的用户信息，根据用户信息，利用概率预测模型生成健康保险产品的出险概率，并根据出险概率，生成健康保险产品的定价信息，能够为每个用户定制不同的定价策略，提高用户体验。
附图说明
18.为了更清楚地说明本说明书实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1为本说明书的一个实施方式提供的保险定价用户界面。
20.图2为本说明书的一个实施方式提供的保险定价用户界面。
21.图3为本说明书的一个实施方式提供的保险定价用户界面。
22.图4为本说明书的一个实施方式提供的保险定价用户界面。
23.图5为本说明书的一个实施方式提供的保险定价场景示意图。
24.图6为本说明书的一个实施方式提供的保险定价方法的流程示意图。
25.图7为本说明书的一个实施方式提供的保险定价方法的流程示意图。
26.图8为本说明书的一个实施方式提供的处理方式示意图。
27.图9为本说明书的一个实施方式提供的保险定价装置的框图。
28.图10为本说明书的一个实施方式提供的电子设备的框图。
具体实施方式
29.下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所
有其他实施例，都属于本说明书保护的范围。
30.概述
31.目前，线上销售的保险，每个险种的定价方式比较单一，没有根据每个用户实际的情况来进行定价，用户体验较差。
32.例如，对于同一个用户来说，有医保和没有医保的情况，保险的定价不同。如图1所示，针对有医保的情况，保险定价可以是23.05元/月；如图2所示，针对没有医保的情况，保险定价可以是62.05元/月。
33.另外，对于都是有医保的情况，不同用户的定价与用户的年龄、保险购买的年限等有关。如图3所示，用户1有医保但年龄较小，其保险定价可以是23.05元/月；如图4所示，用户2有医保但年龄较大，其保险定价可以是30.07元/月。
34.由此可见，现有保险定价的方式比较简单，因此，有必要提供一种保险定价方法，针对每个用户的实际情况定制健康保险产品的定价策略，优化用户体验，降低公司风险。
35.场景示例
36.本说明书中提供一种保险定价应用场景示例。如图5所示，在该场景中，首先利用数据中心的训练数据来训练决策模型。例如，数据中心可以是网络保险公司的数据中心或第三方平台的数据库，其收集并存储有保险公司提供的已经购买健康保险产品的用户的用户信息和对应的实际保单定价信息。在训练决策模型时，可以将用户信息作为训练数据并将实际保单定价信息作为标签数据对初始决策模型进行训练，得到最终的决策模型，其中决策模型包括概率预测模型(例如贝叶斯模型)以及保单定价生成模型。具体地，可以将数据中心的与健康保险产品相关联的用户信息输入概率预测模型，由概率预测模型输出健康保险产品的出险概率，并利用保单定价生成模型根据健康保险产品的出险概率生成个性化保单定价信息，最后根据个性化保单定价信息与实际保单定价信息对概率预测模型和保单定价生成模型进行训练，得到最终的决策模型。其次，用户在购买保险套餐之后的出险结果以及在购买套餐之后的体检信息、问诊信息、挂号信息等数据回流到数据中心中，以便于对决策模型进行更新，从而对用户下一年的保费进行调整。
37.进一步地，在使用上述训练好的决策模型进行保险定价时，可以将待投保的用户的用户信息输入概率预测模型，由概率预测模型输出健康保险产品的出险概率，并利用保单定位生成模型根据健康保险产品的出险概率生成个性化保单定价信息。
38.应理解的是，可以对概率预测模型和保单定价生成模型进行联合训练或单独训练，本说明书对此不作限定。
39.示例的方法
40.本说明书的一个实施方式提供一种保险定价方法。该保险定价方法可以应用于客户端或服务器。如图6所示，该保险定价方法可以包括以下步骤。
41.步骤s101：获取与健康保险产品相关联的用户信息。
42.具体地，在待投保的用户在用户界面上进行投保操作时，可以通过查询数据库或提示用户在用户界面输入用户信息的方式获取与健康保险产品相关联的用户信息。例如，可以在该用户通过应用程序的用户界面进行投保时，通过查询保险公司的数据库来获取与健康保险产品相关联的用户信息，再如，可以在该用户通过第三方网络平台的网页进行投保时，通过查询保险公司的数据库获取与健康保险产品相关联的用户信息。
43.需要说明的是，上述用户信息可以包括与健康保险产品相关联的用户的性别、年龄、有无医保信息等数据，本说明书对用户信息的具体类型不做限定。
44.在一些实施方式中，上述用户信息可以包括：用户基本信息和/或用户行为数据。
45.用户基本信息包括以下数据中的至少一种：用户的性别、年龄、所在地、有无医保信息、家族遗传病史、工作性质和生活习惯。
46.用户行为数据可以是用于表示用户的与健康保险产品相关联的行为的信息，包括以下数据中的至少一种：用户的挂号信息、问诊信息、疫苗接种信息、购药信息和体检报告信息。例如，挂号信息可以表示用户到医院看病的次数以及科室等信息，问诊信息用于表示用户在线上询问医生的疾病相关信息，疫苗接种信息用于表示用户接种疫苗的种类，购药信息用于表示用户购买的药品的剂量和种类。
47.在一些示例中，可以从用户的登陆状态中获取用户基本信息，例如性别、年龄、所在地等用户基本信息；可以经过用户授权后获取用户网上的挂号信息(例如挂号就诊的科室等)、问诊信息、疫苗接种信息、购药信息、体检报告信息等用户行为数据。
48.当用户未被授权获取以上用户行为数据，或者用户并未有网上的挂号信息、问诊信息等行为数据，或者获取用户网上的行为数据失败时，可以通过弹出用户信息调查问卷界面来获取用户信息。
49.相较于只通过性别、年龄、有无社保来进行保险定价的单一定价策略，通过获取用户的性别、年龄、所在地、有无医保信息、家族遗传病史、工作性质和生活习惯等用户基本信息，以及用户的挂号信息、问诊信息、疫苗接种信息、购药信息和体检报告信息等用户行为数据，可以多维度、更全面的考虑用户的情况来对健康保险产品进行定价，保障用户的投保权益，这样，对于健康的用户，可以使用更少的保费来得到保障，能够提高用户体验，同时也可以降低保险公司的风险。
50.步骤s102：根据用户信息，利用概率预测模型生成健康保险产品的出险概率。
51.具体地，可以根据用户信息，利用概率预测模型生成用户得某种疾病的概率，并根据用户得某种疾病的概率确定健康保险产品的出险概率。例如，概率预测模型可以为贝叶斯模型、最大熵模型、高斯混合模型或概率预测神经网络模型。应当理解，本说明书对概率预测模型的类型不做具体限定。
52.在本说明书实施方式中，以贝叶斯模型为例进行说明。贝叶斯模型的公式可以如下所示：
53.pr(g，s，r)＝pr(g|s，r)pr(s|r)pr(r)
54.也就是说，结果g受两个因素的影响，s和r。其中，g用于表示用户患某种疾病，s用于表示用户的购药信息，r用于表示用户的体检报告信息。例如，g是用户患胃癌，s是周期性购买胃药，r是用户体检患有胃溃疡。那么用户最终患胃癌g的概率是和用户周期性购买胃药以及用户体检患有胃溃疡之间有关联的。
55.需要说明的是，上述举例只是一个简单的贝叶斯模型，即由两个因素影响最终的变量。在实际情况下，用户得胃癌的概率可能与用户的年龄、体检结果、购药情况、问诊结果等因素都有重要的关联关系。因此，可以将上述用户信息均作为贝叶斯模型的输入，以便于贝叶斯模型输出用户患胃癌的更精确的概率。
56.类似地，可以将上述用户信息作为贝叶斯模型的输入，贝叶斯模型分别输出用户
患不同疾病的概率。例如，可以分别输出用户患胃癌的概率，食道癌等重大疾病的概率。其中，用户患重大疾病的的概率高，则表示出险率高，反之亦然。
57.步骤s103：根据出险概率，生成健康保险产品的定价信息。
58.具体地，可以根据出险概率的高低，生成健康保险产品的定价信息。出险概率与定价信息之间可以正相关，出险概率越高，健康保险产品的保单定价越高；出险概率越低，健康保健产品的保单定价越低。例如，两者成正比例关系或者成指数关系，或者两者可以是分段函数的关系。
59.需要说明的是，可以根据患病概率最高的疾病进行定价，也可以根据患病概率高于预设阈值的疾病的数量进行定价，本说明书对此不做具体限定。
60.根据本说明书提供的实施方式，通过获取与健康保险产品相关联的用户信息，根据用户信息，利用概率预测模型生成健康保险产品的出险概率，并根据出险概率，生成健康保险产品的定价信息，能够为每个用户定制不同的定价策略，提高用户体验。
61.在本说明书的另一实施方式中，用户信息还可以包括以下购买健康保险产品后的用户信息中的至少一种：用户购买健康保险产品后的出险和理赔信息，购买健康保险产品后的挂号信息、问诊信息、疫苗接种信息、购药信息以及体检报告信息。
62.通过将上述投保后的用户信息不断地回流到数据中心，并将这些数据作为训练数据对决策模型进行更新，可以保证训练数据的时效性以及决策模型的准确性。另外，还可以根据定价执行结果上调或下降用户下一年的保费。
63.在一些实施方式中，上述根据出险概率，生成健康保险产品的定价信息，包括：根据出险概率，生成健康保险产品对应的最高出险金额和最低出险金额；根据最高出险金额和最低出险金额，生成健康保险产品的定价信息。
64.具体地，首先可以根据用户患重大疾病概率的高低，生成最高出险金额(最高保单定价)和最低出险金额(即最低保单定价)。
65.其次，可以将最高出险金额和最低出险金额按照不同的权重加权相加，得到健康保险产品的定价信息，即最终的保单定价。例如，最高出险金额的权重占70％，最低出险金额的权重占30％，两者加权相加的和可以作为该健康保险产品的保单定价价格。应当理解，上述描述仅为示例性描述，本说明书对此不做具体限定。
66.在一些实施方式中，用户信息包括投保年数，其中，上述根据用户信息，利用概率预测模型生成健康保险产品的出险概率，包括：根据用户信息，利用概率预测模型生成健康保险产品在投保年数内的出险概率；其中，根据出险概率，生成健康保险产品的定价信息，包括：根据出险概率，生成投保年数对应的健康保险产品的定价信息。
67.具体地，用户在选择购买健康保险产品时，还可以选择投保年数(例如1年、2年、5年、10年等)。以用户选择投保年数为1年为例，概率预测模型可以根据数据中心的用户信息的特征进行拟合计算，计算得到用户在1年内患胃癌的概率为a，患食道癌的概率为b，患肠癌的概率为c；然后，根据上述概率a、b和c，决策模型可以生成购买1年健康保险产品的保单定价。应当理解，上述描述仅为示例性描述，本说明书对此不做具体限定。
68.例如，可以对多个不同疾病的患病概率进行加权计算得到最终的定价。例如，假设概率预测模型输出的用户1年内患胃癌的概率为30％，患食道癌的概率为20％，患肠癌的概率为10％，则在加权计算时，胃癌对应的权重大于食道癌对应的权重，食道癌对应的权重大
于肠癌对应的权重，即权重可以与对应的概率正相关，例如，胃癌对应的权重：食道癌对应的权重：肠癌对应的权重等于3：2：1。
69.在一些实施方式中，上述根据用户信息，利用概率预测模型生成健康保险产品的出险概率，包括：根据用户信息，利用概率预测模型分别生成健康保险产品在不同投保年数内的出险概率；其中，根据出险概率，生成健康保险产品的定价信息，包括：根据健康保险产品在不同投保年数内的出险概率，分别生成不同投保年数对应的健康保险产品的定价信息。
70.具体地，当用户在选择购买健康保险产品时，用户可以不选择投保年数(例如1年、2年、5年、10年等)，决策模型可以分别生成用户购买不同投保年数对应的健康保险产品的保单定价。
71.例如，概率预测模型可以根据数据中心的用户信息的特征进行拟合计算，分别计算得到用户在1年内患胃癌的概率为a，患食道癌的概率为b，患肠癌的概率为c；在2年内患胃癌的概率为d，患食道癌的概率为e，患肠癌的概率为f；在5年内患胃癌的概率为g，患食道癌的概率为h，患肠癌的概率为i；其次，根据上述概率a、b和c，决策模型可以生成购买1年健康保险产品的保单定价；根据上述概率d、e和f，决策模型可以生成购买2年健康保险产品的保单定价；根据上述概率g、h和i，决策模型可以生成购买5年健康保险产品的保单定价；然后，可以将购买1年、2年和5年健康保险产品的保单定价分别呈现在用户界面上，以便用户根据自身需求选择。应当理解，上述描述仅为示例性描述，本说明书对此不做具体限定。
72.根据本说明书提供的技术方案，通过分别获取不同投保年数对应的健康保险产品的定价信息，可以方便用户比较不同投保年数所对应的不同价格，以便根据自身需求选择购买合适的产品。
73.在本说明书的另一实施方式中，上述保险定价方法还包括：根据用户信息和基于定价信息得到的实际定价结果对概率预测模型的参数进行更新。
74.也就是说，基于决策模型输出的定价信息，可以人为地根据实际情况进行调整，即可以人为调整保费价格，得到实际定价结果。进一步地，可以将用户信息作为训练数据，将实际定价结果作为标签数据，对概率预测模型的参数进行更新，以保证决策模型的准确性。
75.本说明书的另一个实施方式提供一种保险定价方法。所述保险定价方法可以应用于(客户端/服务器)。图7所述实施例为图6所述实施例的具体例子，下面结合图8对图7进行详细描述。如图7所示，该保险定价方法可以包括以下步骤。
76.步骤s201：接收用户在用户界面输入的投保请求。
77.具体地，当用户希望投保或者了解健康保险产品的保险定价信息时，可以通过app或网页的用户界面输入投保请求，例如，在填写了姓名和身份证号之后，点击投保请求按钮或保单报价按钮。
78.步骤s202：在接收到投保请求时，判断是否能够获取与健康保险产品相关联的用户信息，如果是，则执行步骤s203，如果否，则执行步骤s204。
79.步骤s203：弹出用户信息调查问卷界面来获取上述用户信息。
80.例如，当用户并未授权获取上述用户基本信息，或者用户并未有网上的挂号信息、问诊信息等用户行为信息，或者获取用户在网上的行为数据失败时，可以通过弹出用户信息调查问卷界面来获取用户信息。
81.用户信息包括：用户基本信息、用户行为数据、购买健康保险产品后的用户信息。用户基本信息包括以下数据中的至少一种：用户的性别、年龄、所在地、有无医保信息、家族遗传病史、工作性质和生活习惯；用户行为数据包括以下数据中的至少一种：用户的挂号信息、问诊信息、疫苗接种信息、购药信息和体检报告信息；购买健康保险产品后的用户信息包括以下数据中的至少一种：用户购买健康保险产品后的出险和理赔信息，购买健康保险产品后的挂号信息、问诊信息、疫苗接种信息、购药信息以及体检报告信息。
82.步骤s204：获取与健康保险产品相关联的用户信息。
83.具体地，可以从用户的登陆状态中获取用户基本信息，例如性别、年龄、所在地等；可以经过用户授权获取用户网上的挂号信息(例如挂号就诊的科室等)、问诊信息、疫苗接种信息、购药信息、体检报告信息等用户行为数据。
84.步骤s205：根据用户信息，利用贝叶斯模型分别生成健康保险产品在不同投保年数内的出险概率。
85.例如，将用户信息输入到训练好的贝叶斯模型中，贝叶斯模型可以用户信息的特征进行拟合计算，计算得到用户在不同投保年数内的出险概率(例如，用户在1年内患胃癌的概率为a，患食道癌的概率为b，患肠癌的概率为c；在2年内患胃癌的概率为d，患食道癌的概率为e，患肠癌的概率为f；在5年内患胃癌的概率为g，患食道癌的概率为h，患肠癌的概率为i；依次类推)
86.步骤s206：根据健康保险产品在不同投保年数内的出险概率，分别生成不同投保年数对应的健康保险产品的最高出险金额和最低出险金额。
87.例如，根据上述概率a、b和c，决策模型可以生成购买1年健康保险产品的最高出险金额和最低出险金额；根据上述概率d、e和f，决策模型可以生成购买2年健康保险产品的最高出险金额和最低出险金额；根据上述概率g、h和i，决策模型可以生成购买5年健康保险产品的最高出险金额和最低出险金额。
88.步骤s207：分别将不同投保年数对应的最高出险金额和最低出险金额加权求和，生成不同投保年数对应的健康保险产品的定价信息。
89.也就是说，将购买1年健康保险产品对应的最高出险金额和最低出险金额加权求和，获得购买1年健康保险产品时的定价信息；将购买2年健康保险产品对应的最高出险金额和最低出险金额加权求和，获得购买2年健康保险产品时的定价信息；将购买5年健康保险产品对应的最高出险金额和最低出险金额加权求和，获得购买5年健康保险产品时的定价信息；依次类推。
90.进一步的，可以获取购买健康保险产品后的用户信息，即用户购买健康保险产品后的出险和理赔信息，购买健康保险产品后的挂号信息、问诊信息、疫苗接种信息、购药信息以及体检报告信息等，将上述数据回流到数据中心，可以保证数据的时效性以及决策模型的准确性，另外，还可以根据定价执行结果上调或下降用户下一年的保费。
91.根据本说明书提供的技术方案，通过获取与健康保险产品相关联的用户基本信息、用户行为数据和购买健康保险产品后的用户信息等，可以多维度、更全面的考虑用户的情况来对健康保险产品进行定价，保障用户的投保权益，对于健康的用户，可以使用更少的保费来得到保障，能够提高用户体验，同时也可以降低保险公司的风险。另外，通过使用贝叶斯网络模型来计算用户与健康保险产品之间关联的概率，可以给用户带来更好的用户体
验，为每个用户定制不同的保费定价策略。
92.示例的装置、电子设备、存储介质和软件
93.本说明书的一个实施方式还提供一种保险定价装置。如图9所示，该保险定价装置900可以包括获取模块901、概率模块902和定价模块903。
94.获取模块901，用于获取与健康保险产品相关联的用户信息。
95.概率模块902，用于根据用户信息，利用概率预测模型生成健康保险产品的出险概率。
96.定价模块903，用于根据出险概率，生成健康保险产品的定价信息。
97.根据本说明书提供的实施方式，通过获取与健康保险产品相关联的用户信息，根据用户信息，利用概率预测模型生成健康保险产品的出险概率，并根据出险概率，生成健康保险产品的定价信息，能够为每个用户定制不同的定价策略，提高用户体验。
98.在本说明书的一个实施方式中，定价模块903用于根据出险概率，生成健康保险产品对应的最高出险金额和最低出险金额；根据最高出险金额和最低出险金额，生成健康保险产品的定价信息。
99.在本说明书的一个实施方式中，用户信息包括投保年数，其中，概率模块902用于根据用户信息，利用概率预测模型生成健康保险产品在投保年数内的出险概率；其中，定价模块903用于根据出险概率，生成投保年数对应的健康保险产品的定价信息。
100.在本说明书的一个实施方式中，概率模块902用于根据用户信息，利用概率预测模型分别生成健康保险产品在不同投保年数内的出险概率；其中，定价模块903用于根据健康保险产品在不同投保年数内的出险概率，分别生成不同投保年数对应的健康保险产品的定价信息。
101.在本说明书的一个实施方式中，用户信息包括：用户基本信息、用户行为数据和/或购买健康保险产品后的用户信息，其中，用户基本信息包括以下数据中的至少一种：用户的性别、年龄、所在地、有无医保信息、家族遗传病史、工作性质和生活习惯；用户行为数据包括以下数据中的至少一种：用户的挂号信息、问诊信息、疫苗接种信息、购药信息和体检报告信息；购买健康保险产品后的用户信息包括以下数据中的至少一种：用户购买健康保险产品后的出险和理赔信息，购买健康保险产品后的挂号信息、问诊信息、疫苗接种信息、购药信息以及体检报告信息。
102.在本说明书的一个实施方式中，概率预测模型包括：贝叶斯模型、最大熵模型、高斯混合模型或概率预测神经网络模型。
103.在本说明书的一个实施方式中，上述装置还包括更新模块904，用于根据用户信息和基于定价信息得到的实际定价结果对概率预测模型的参数进行更新。
104.在本说明书的一个实施方式中，获取模块901用于通过弹出用户信息调查问卷界面，获取用户信息。
105.上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
106.图10所示为本说明书一实施例提供的电子设备1000的框图。
107.参照图10，电子设备1000包括处理组件1010，其进一步包括一个或多个处理器，以及由存储器1020所代表的存储器资源，用于存储可由处理组件1010的执行的指令，例如应
用程序。存储器1020中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1010被配置为执行指令，以执行上述保险定价方法。
108.电子设备1000还可以包括一个电源组件被配置为执行电子设备1000的电源管理，一个有线或无线网络接口被配置为将电子设备1000连接到网络，和一个输入输出(i/o)接口。电子设备1000可以操作基于存储在存储器1020的操作系统，例如windows server
tm
，mac os x
tm
，unix
tm
，linux
tm
，freebsd
tm
或类似。
109.本说明书实施方式还提供一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现上述保险定价方法。
110.本说明书实施方式还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述任一实施方式中的保险定价方法。
111.可以理解，本文中的具体的例子只是为了帮助本领域技术人员更好地理解本说明书实施方式，而非限制本发明的范围。
112.可以理解，在本说明书中的各种实施方式中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本说明书实施方式的实施过程构成任何限定。
113.可以理解，本说明书中描述的各种实施方式，既可以单独实施，也可以组合实施，本说明书实施方式对此并不限定。
114.除非另有说明，本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
115.可以理解，本说明书实施方式的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digital signalprocessor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施方式中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
116.可以理解，本说明书实施方式中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(eeprom)或闪存。易失性存储器可以是随机存取
存储器(ram)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
117.本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本说明书的范围。
118.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
119.在本说明书所提供的几个实施方式中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
120.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
121.另外，在本说明书各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
122.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)、磁碟或者光盘等各种可以存储程序代码的介质。
123.以上所述，仅为本说明书的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本说明书的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。